事例

多種多様なデータ活用の事例をご紹介します。

 
事例
営業先最適化によって営業活動の効率が約2倍向上   | 電気通信業者
ダイレクトメールのコンテンツを打ち分けによって自社セミナーへの参加申込数が30%向上  | デジタルマーケティング会社
スコアリングエンジンとの組み合わせによって電力需要予測の精度が向上   | 小売電力事業者
顧客満足度の要因分析によって改善施策を検討   |OA機器販売会社
ブランドイメージ分析によって新規顧客獲得施策を検討   | アパレルメーカー
黄金ルート分析によってタッチポイントが改善   | アパレルメーカー
店舗プロファイリングによって店舗売上が1.2倍向上   | アパレルメーカー
DM送付先の最適化によって購入率・売上が105%アップ   | ECサイト
新規営業先の最適化によって商談化率が向上   | OA機器販売会社
再購入確率の予測によってテレコールの効率が向上   | ネットスーパー
アウトバウンドコールリストの分析によって売上が1.5倍アップ   | コールセンター
DM送付先の最適化によって通信教育への入会率が130%向上   | 通信教育会社
顧客ペルソナ分析によって主要ターゲットを特定・訴求内容を最適化   | 通信教育会社
DM送付先の最適化によってゴールドカードへの切替率が1.2倍向上   | クレジットカード会社
アウトバウンドコール先の最適化によって反応率が1.6倍に向上   | クレジットカード会社
退職確率予測による予防策の検討   | 建設会社
テレコールによるアポイント獲得確率の予測によって、獲得数が約2倍にアップ   | 人材派遣会社
申込確率予測によって改善のPDCAを実施   | 人材派遣会社
人材派遣への応募件数予測によって機会損失を防止   | 人材派遣会社
購入に至りやすい新規顧客を予測することで成約率を3.5倍向上   | 計測機器販売会社
空調制御システムで自動的に快適な環境を提供するために必要なデータを特定   | 空調機器メーカー
異物混入判別予測によってセンサー機器の活用可能性を開く   | 計測機器販売会社
クレーム電話の特徴を明らかにすることで顧客満足度が向上   | マーケティング調査会社
未上場企業の「社員規模」と「売上高」を予測することで企業データの価値が向上   | マーケティング調査会社
 

営業先最適化によって営業活動の効率が約2倍向上

営業支援ツールに記録されているデータ(契約履歴情報、評点、業種、従業員数、事業所数、親企業有りフラグ、役員、ページ遷移数、活動情報、等)から、営業先ごとの受注確率を予測した。 受注確率が高い営業先に対する営業活動の優先度を上げ、営業の活動効率を約2倍にできた。

対象商品:スコアリングエンジン

対象企業:電気通信業者

ダイレクトメールのコンテンツを打ち分けによって自社セミナーへの参加申込数が30%向上

企業属性(業種、売上高、資本金、従業員数、担当部署など)、受注履歴(受注商品、受注金額など)、WEBアクセス履歴(アクセス有無、閲覧ページ数、特定ページの閲覧有無、滞在時間など)、過去のメール実績(送付回数、コンテンツ種別、クリック有無)等のデータから、コンテンツごとにセミナーへの参加申込確率を予測した。 従来方法では、アクセス履歴のみから送付するコンテンツを判断していたが、セミナーへの参加申込確率が高いコンテンツを優先的に送付したところ参加申込数が30%向上した。

対象商品:スコアリングエンジン

対象企業:デジタルマーケティング会社

スコアリングエンジンとの組み合わせによって電力需要予測の精度が向上

以下のデータを用いて、現状で月平均3%の誤差がある電力需要予測が外れる要因を明らかにした。
・17業種別、30分毎の電力量実績、月別契約電力量
・自社による予測電力量、予想天気・予想最高/最低気温
・気象庁による天候データ(気温・降水量・湿度・日照時間・天気)
自社の電力需要予測とスコアリングエンジンを組み合わせて、予測値の修正と検証が行える仕組みを整えた。

対象商品:スコアリングエンジン

対象企業:小売電力事業者

顧客満足度の要因分析によって改善施策を検討

顧客に自社のサービス、商品や営業に対する満足度を含めたアンケートを実施。その結果と、購買履歴や契約継続期間、購入回数、営業担当の変更履歴等のデータを利用し、顧客満足度を高める要因を明らかにした。 顧客満足度を高めている要因のほか、満足度を低くしている要因が明らかになった。顧客満足度向上のため、満足度を低くしている要因を改善する施策の検討に繋げることができた。

対象商品:PoC/受託解析

対象企業:OA機器販売会社

ブランドイメージ分析によって新規顧客獲得施策を検討

自社および競合ブランドに関する書き込み(テキストデータ)を口コミサイトからクロールし、共起ネットワークグラフで可視化した。
自社と他社のブランドに対して顧客が抱いているイメージを把握できた。また自社商品と競合になる商品を持つブランドや、自社が狙いたい年齢層が好むブランドを把握することができ、新規顧客獲得のための施策につながった。

対象商品:PoC/受託解析

対象企業:アパレルメーカー

黄金ルート分析によってタッチポイントが改善

顧客の属性データ(会員情報)と購買履歴データ(購入金額、購入頻度など)を用いて、商品間の併売傾向や購買行動の遷移、優良顧客になりやすい要因を明らかにした。
優良顧客に育成するために、何の商品をどの順番でどういった特徴をもつ顧客に訴求するとよいかが明らかになった。店舗での接客や、ダイレクトメールで訴求するコンテンツの打ち分けに活用した。

対象商品:PoC/受託解析

対象企業:アパレルメーカー

店舗プロファイリングによって店舗売上が1.2倍向上

購入した顧客の年齢、性別、住所、初回購入日、購入のあった月、メンバーズカードの発行日からの経過日数、購入品目の種類、メルマガの登録有無、メルマガクーポンの反応有無など約60項目のデータを利用し、店舗のプロファイリングを実施した。
全店舗を7つのセグメントに分類し、それぞれのセグメントの特徴を明らかにした。各店舗の特徴にあわせた商品構成の改善を行い全店舗の平均売り上げが1.2倍に増加した。

対象商品:PoC/受託解析

対象企業:アパレルメーカー

DM送付先の最適化によって購入率・売上が105%アップ

性別、年齢、地域、顧客ランク区分、RFM、商品カテゴリ毎の購入履歴などから、DMを送付すると購入に結び付く可能性が高い人順のランキングリストを作成した。
従来同様の700万通ダイレクトメールを送付したところ、反応率が4.0%から4.2%に改善した。また、購入する金額の高い人も抽出できたため、売上も従来に比べておよそ1,100万円(約5%)増加した。

対象商品:PoC/受託解析

対象企業:ECサイト

新規営業先の最適化によって商談化率が向上

社名、担当者、役職、部署、自社への印象、日付、訪問、アポ有り、デモ分類、訪問目的、コメント、上司コメント、実績コメント、商談開始日、商談ソース、フェーズ、受注確度、受注理由、失注理由、機器台数、増設台数、下取り機種、売上予定日、商品名、売上、などのデータから、商談の発生確率(商談化率)を予測した。 確率の高い企業から優先的に新規営業を行うことで、商談化率が従来に比べ 2.2倍に向上した。

対象商品:スコアリングエンジン

対象企業:OA機器販売会社

スコアリングエンジン

性別、都道府県、会員非会員、メルマガ配信、カタログ希望、CRM区分、初回利用、累計利用回数などのデータから、顧客が再購入する確率を予測した。
確率の高い顧客から優先的にクーポンを発行することで再購入が2.8倍に向上し、離反の防止とテレコールの効率アップにつながった。

対象商品:スコアリングエンジン

対象企業:ネットスーパー

アウトバウンドコールリストの分析によって売上が1.5倍アップ

年齢、性別、都道府県、郵便番号、年収、電話の端末(固定/携帯)、架電回数、架電間隔、接続回数、平均接続時間、総通話時間、最大接続時間、最小接続時間、最大接続時間と最小接続時間の差、通話時間標準偏差、ポジティブ&ネガティブワード数、中立ワード数、最終接続時間帯、定期購買有無、サンプル有無、サンプルから購買までの経過日数、最新購買日からの経過日数、購買回数、累計購入金額、webアクセス有無、お届け日(曜日)、などの、約70項目を使用して、曜日/時間帯別の電話がつながる確率と購入に繋がる確率を予測した。 分析結果の活用で売上が1.5倍に向上。またコールリストのポテンシャルを明らかにし、リスト購入にかかる費用を前年の80%に抑えることに成功した。

対象商品:スコアリングエンジン

対象企業:コールセンター

DM送付先の最適化によって通信教育への入会率が130%向上 通信教育会社

性別、発送回数、各媒体の資料請求履歴、購入回数、兄弟情報(人数、年齢差)、添削提出回数、クレーム回数、紹介/被紹介履歴、保護者世帯購入累計金額、保護者アクセス履歴、最新行動履歴などのデータを使い、DM送付によって通信教育に入会する確率を予測した。
入会確率の高い顧客から優先的にDM送付の対象とすることで、従来方法でのDM送付に比べ、入会率が約30%アップした。

対象商品:スコアリングエンジン

対象企業:通信教育会社

顧客ペルソナ分析によって主要ターゲットを特定・訴求内容を最適化

親の年齢、親の受講経験、デジタル機器保有状況、親の就業状況、親の最終学歴、親の年収、親の年収変化、出生順、保育年数、親の教育意識、子供の意思尊重、入会意向、継続意向等のデータから、類似する顧客をセグメント分類して顧客ペルソナを構築した。
教育熱心な自信家、生活ひっぱく層、子ども個性尊重(教育不安型)、熱愛顧客、教育無関心などに顧客を分類でき、主要ターゲットの特定と各セグメントに対する訴求内容の最適化ができた。

対象商品:PoC/受託解析

対象企業:通信教育会社

DM送付先の最適化によってゴールドカードへの切替率が1.2倍向上

カードブランド、都道府県、入会店舗、職務、職業、性別、入会年月日、配偶者有無、年齢、月平均利用額、月平均利用回数、累計利用額、前回優待率、今回与信金額、年収、利用単価、キャッシング利用有無、キャッシング付帯等のデータを解析し、DM送付によるゴールドカードへの切替確率を予測した。 解析結果の切替確率が高い顧客から優先的に送付した結果、従来法で実施した前年度の切替率2.2%から2.7%にアップした。また、カードの切り替え1件当たりの獲得コストも約2,900円削減できた。 さらに、従来法では発見できなかった切替率が高い顧客像の把握に成功した。

対象商品:スコアリングエンジン

対象企業:クレジットカード会社

アウトバウンドコール先の最適化によって反応率が1.6倍に向上

与信勤務区分、契約者年齢、職務コード、職業コード、利用店舗単価、割賦限度額、利用金額、割賦限度額更新年、カード限度額消化率、入会年、利用回数、優待率算出基準額、月平均利用金額、顧客残高、住居区分、商品数等のデータを用いて、顧客1人1人に対して新サービスに加入する確率を予測した。 従来方法は無作為に30万人のうち1万人を抽出していたが、新サービスに加入する確率の高い顧客を抽出することで、反応数が1.6倍に向上した。

対象商品:スコアリングエンジン

対象企業:クレジットカード会社

退職確率予測による予防策の検討

過去10年分の、入社時の個人属性情報や、入社試験成績、勤怠記録や勤続年数、業務内容、などのデータを解析し、社員ごとに退職する確率を予測した。
解析結果から、退職する確率を高めている特徴も明らかになった。この解析結果をもとに退職を予防する対策の検討が始まった。

対象商品:スコアリングエンジン

対象企業:建設会社

テレコールによるアポイント獲得確率の予測によって、獲得数が約2倍にアップ

会社フラグ、業種、セミナー参加/出席、人材不足状況、既存高齢チェック、前回コール時間、資本金有無、設立年月日有無、従業員数有無、決算月、などのデータを用いて、28万社に対して、アポイントが獲得できる確率を予測した。 従来方法に比べ、アポイント獲得が約2倍にアップした。また、経験の少ないオペレーターでもアポイント獲得の数が増加し、スキルの標準化が実現できた。

対象商品:PoC/受託解析

対象企業:人材派遣会社

申込確率予測によって改善のPDCAを実施

閲覧ページ数、滞在時間、訪問元、着地ページ、TOPページへのアクセス、仕事詳細ページへのアクセス、仕事一覧ページへのアクセス 、その他いくつかのページへの通過有無(キーワードマッチページ・コンテンツへページ・LP・キャンペーンなど)のデータを用いて、申込確率を予測した。 申込に寄与している要因(流入元のページ)が明らかになった。また、特定の流入元からの申込が著しく悪いことがわかり、改善のPDCAにつながった。

対象商品:PoC/受託解析

対象企業:人材派遣会社

人材派遣への応募件数予測によって機会損失を防止

商品コード、エリア、稼働可能性有フラグ(曜日別)、時間給、始業時間、就業時間、休日勤務、年齢制限、資格などの案件データから、必要な応募数が集まる確率を予測した。 応募が足りないと予測された案件には、求人者が検索する際の条件緩和や、露出アップ、募集条件の調整などを行い、機会損失を防ぐことに成功した。

対象商品:スコアリングエンジン

対象企業:人材派遣会社

購入に至りやすい新規顧客を予測することで成約率を3.5倍向上

企業属性、Webの最終閲覧日、初回アクション日、直近アクション日、アクション内容、各ページ閲覧履歴等のデータから、顧客ごとに購入確率を予測した。 従来方法に比べ、成約率を3.5倍に向上することができた。

対象商品:スコアリングエンジン

対象企業:計測機器販売会社

空調制御システムで自動的に快適な環境を提供するために必要なデータを特定

以下のようなデータを用いて、人が快適と感じる要因を明らかにした。
・個人属性
・環境要因(温度、湿度、風速、それらの履歴)
・気象要因(外気温、降水量、日照時間、など)
・アンケート 快適な環境と感じる確率を高めるために取得する必要があるデータ、快適な環境と感じる確率にはあまり影響を与えていないためコストをかけてまで取得する必要のないデータ、を把握することができた。

対象商品:PoC/受託解析

対象企業:空調機器メーカ

異物混入判別予測によってセンサー機器の活用可能性を開く

自社のもつセンサー技術によって取得できるデータを利用して、異物が混入しているパターンを学習し、異物混入が起こる確率を予測した。 センサーデータを使った、自社の異物混入判定装置の精度向上につながった。

対象商品:クラスタリングエンジン

対象企業:計測機器販売会社

クレーム電話の特徴を明らかにすることで顧客満足度が向上

受電日時、顧客の生年月日、性別、会員登録状況(現会員、元会員、会員以外)、商品購入履歴(購入したアイテム名)、最終商品購入時期、居住地(都道府県)などのデータを用いて、クレーム電話を頂いた方の特徴を明らかにした。 エリア、サービスへの加入状況、クレームの時期等、複数要素の掛け合わせでセグメントを作った結果、これまで見えなかった顧客属性と、クレームの特徴の傾向を把握できた。

対象商品:PoC/受託解析

対象企業:マーケティング調査会社

未上場企業の「社員規模」と「売上高」を予測することで企業データの価値が向上

企業の設立/創業年、資本金、事業所数、主要取引先、業種、営業種目などの約40項目のデータを用いて、調査が難しい未上場企業の「社員規模」と「売上高」がどれくらいのレンジであるかを予測した。 欠損しているデータが減ることで企業データの価値が向上した。

対象商品:マーケティング調査会社

対象企業:マーケティング調査会社

弊社サービスに関するお問い合わせ・ご相談についてはお気軽にお問い合わせください。

お問い合わせはこちら 

03-5259-9004
受付時間 月~金 10:00~18:00 ※土日祝日、年末年始は除きます